Análisis batch tradicional con sklearn

Aprendizaje online usando river

Dado que river está diseñado para operar con datos en stream -y no en batch-, debemos emular la entrada de observaciones (líneas de un dataframe estático) 1 a 1. Esto se consigue iterando un dataframe línea por línea.

Además, cada evento entrante a river (observación del dataframe) debe ser un diccionario, no un array o dataframe

el modelo alcanza el nivel óptimo de puntuación a las 100 iteraciones, lo que aumenta el rendimiento y minimiza el uso de recursos de sistema